BP神经网络训练算法的改进

BP神经网络被广泛应用于分类模式识别、图像处理和系统控制等领域。 人们对BP网络算法进行了许多的研究,但尚有其不足之处,为完成其权的训练,问题的关键在于如何避免陷入局部极小及在此前提下如何提高学习速度。为此,就如何选取学习率η和动量矩α提出了改进方案,并应用于数字识别,得到了较为满意的结果。     

BP神经网络训练算法的改进

BP神经网络被广泛应用于分类模式识别、图像处理和系统控制等领域人们对BP网络算法进行了许多的研究,但尚有其不足之处为完成其权的训练,问题的关键在于如何避免陷入局部极小及在此前题下如何提高学习速度为此,就如何选取学习率η和动量矩α提出了改进方案,并应用于数字识别,得到了较为满意的结果     

基于遗传算法的神经网络权值优化

针对BP算法学习效率低、收敛速度慢，以及易陷入局部最优等缺点，提出了一种新型的、基于自然选择和基因遗传学原理的随机搜索算法——遗传算法(Genetic Algorithm)，并论述了它在BP神经网络中权值优化的问题。仿真结果表明，用遗传算法优化BP神经网络的权值收敛速度快，并有效解决了BP算法易陷入局部最优的问题。     

基于agent的神经网络训练模式

利用智能体的思想，设计多个ａｇｅｎｔ进行了多层前馈神经网络的协作训练，它可以克服只用遗传算法训练神经网络时的低效率或只用ＢＰ算法进行神经网络训练时容易隐入局部极小点等的缺陷。对比试验结果表明，这种新的训练形式不仅能够提高收敛速度，避免局部最小点，而且可以利用专家知识进行训练优化，提高系统的通用性。     

多层前传神经网络的随机训练算法

基于承机射线法,本文提出了一种对动态网络大新的多层前传神经网络的训练算法。     

液压系统中粒子群优化神经网络权值的控制算法

针对非线性、时变等缺陷导致传统的控制器控制效果较差、不适应电液伺服系统的现象,提出了用于电液伺服控制的基于粒子群优化算法对神经网络的权值进行学习训练的PSO-NN算法。结合电液伺服系统实例分析,用MATLAB仿真得到了输入阶跃信号和正弦信号时,PSO-NN算法的输出曲线以及适应度曲线;为了展示PSO-NN算法的效果,用BP算法仿真了对应输入阶跃信号和正弦信号的输出。仿真结果表明:在电液伺服系统的控制中,PSO-NN算法性能优于BP算法,系统输出具有更好的收敛性和对输入的跟随性,从而证明PSO-NN算法对于电液伺服系统的控制是合适并有效的。     

基于改进塘鹅算法优化BP神经网络的新型冠状病毒疫情预测

针对北京市和美国新型冠状病毒感染疫情的累计确诊人数的预测,提出了基于改进塘鹅优化算法（Improved Gannet Optimization Algorithm,IGOA）、优化反向传播神经网络（Back Propagation Neural Network,BP）权值和偏差的预测模型。将原塘鹅优化算法中塘鹅的位置更新方式由迭代次数的线性关系修改为非线性关系,并引入了随机数,更准确地模拟塘鹅的捕食过程;在两个阶段均采用随机选择机制,并改进了开发阶段塘鹅的位置更新方式,有效地平衡了探索阶段和开发阶段。在实验阶段利用23个基准函数的极值寻优验证了IGOA的有效性,并建立预测模型IGOA-BP,对北京市和美国新型冠状病毒感染累计确诊人数进行预测。与其他7种比较模型相比,预测模型IGOA-BP的预测结果的均方误差（Mean Square Error,MSE）、平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）、平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）均最小,表...     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重点课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

基于BP神经网络改进算法的数据压缩方案

论述了BP神经网络进行图像数据压缩的基本原理;为了进一步提高算法的收敛速度,分析了样本数据输入顺序对权值的影响、学习参数的选择及局部极小这三个影响算法收敛速度的重要问题;提出了消除样本数据输入顺序对权值的影响、如何避免局部极小的问题、学习参数自适应调整的改进算法．     

一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。     

人工神经网络BP网的应用

目的研究ＢＰ网在人工神经网络领域中的应用及其特点,方法采用误差反向传播学习算法,对不同的声纳回波进行分类处理。结果 建立了３层ＢＰ网络结构的声纳信号处理系统,结论隐蔽层单元增加有益于正确分类率的提高,但连接权计算复杂度增加。     

基于ANN的移动通信网络入侵检测模型研究

为了对移动通信网络中的非法用户进行检测,从移动通信网络的特点入手,通过对用户的行为特征进行分析,将ANN引入到了移动通信网络的入侵检测当中,建立了基于ANN的移动通信网络入侵检测模型。对该系统进行了实现,设计了用户行为特征提取模块和采用BP算法的ANN分析模块。最后对系统的优缺点进行了评判并给出了实验分析结果。从实验结果可以看出,此系统能够很好地解决移动通信网络入侵检测难的问题。     

用人工神经网络技术表达船舶型线的算法

应用人工神经网络技术表达船舶型线,针对多元函数逼近问题,分析了影响ＢＰ算法的诸多因素。尝试了逐层学习算法,算法中的优化方法选用共轭梯度法,学习率的调整采用一维法求取最佳值的方法,编辑算结构表明,其收敛速度比普通ＢＰ算法快约一个数量级,在此基础上,以一般３．６万ｔ散货船的型线为例,完成了船舶型线的人工神经元网络表达。     

论太极推手拳架与劲力的训练方法

根据太极推手的运动特点，结合自己多年的训练经验和具体实践，从理论的高度阐述了太极推手的训练方法，强调太极推手训练要以拳架为基础，练劲是关键，从实战出发，求真求实，以致用为目的     

运动员排球意识的培养

运动员排球意识的培养，是训练工作中的重要课题之一，也是提高运动水平的重要方面．排球意识的培养，实际上是一种能力的培养，它反映了运动员对排球理论知识和排球运动比赛规律的掌握程度，表现在运动员对比赛现状的观察、判断和适应能力上，如视野、环视范围的大小，反应的速度，技战术的运用等方面．在排球意识的培养问题上，有的教练员认为，只要多打比赛，运动员的排球意识就会自然形成，但是从科学系统的t）ll练工作来分析，自然形成也有一定的问题和错意识定型；有些队在技术动作的掌握与综合运用方面出现脱节现象，认为练好之后再…     

表象训练对提高篮球命中率的影响

以安徽理工大学2000级篮球专项班学生为研究对象,采用对比实验法,对表象训练在篮球教学中的应用进行了尝试,获得了较理想的教学效果.     

湖南洛塔屋檐洞地下河系统BP人工神经网络分析

采用湖南洛塔地区屋檐洞地下河系统降水—径流资料训练BP人工神经网络,建立了该系统的径流预测模型.通过降水对径流的贡献率进行快速流和慢速流的划分,屋檐洞地下河系统的快速流与慢速流比例接近2∶3.以可直接开发利用的慢速流计,屋檐洞地下河系统地下水允许开采量为0.363 2×108m3/a.     

试论少年运动员身体训练

身体训练是指发展力量、速度、耐力、灵敏和柔韧性等身体素质的训练。一个高水平的运动员必须具有健康的体魄和良好的身体训练基础。从生理学方面研究证实,各项身体素质发展最快的年令阶段都在青少年时期,因此根据青少年生理和心理特点,采用多功效的“综合性”练习手段,能使各项素质得到均衡的发展和提高;同时结合素质训练,让他们尽量熟悉各种运动项目,培养运动才能,提高机体各器官系统的机能能力,促进青少年身体正常生长发育,增强健康水平,为转入专项训练打下良好的身体训练基础。本文就以上诸方面,从青少年生理、心理特点以及从生化角度,对各项素质训练分别进行剖析,并提出一些练习内容和方法。